Association between Visceral Adiposity Index, Binge Eating Behavior, and Grey Matter Density in Caudal Anterior Cingulate Cortex in Severe Obesity
Notice bibliographique
Résumé
Visceral adipose tissue accumulation is an important determinant of metabolic risk and can be estimated by the visceral adiposity index (VAI). Visceral adiposity may impact brain regions involved in eating behavior. We aimed to examine the association between adiposity measurements, binge eating behavior, and grey matter density. In 20 men and 59 women with severe obesity, Grey matter density was measured by voxel-based morphometry for six regions of interest associated with reward, emotion, or self-regulation: insula, orbitofrontal cortex, caudal and rostral anterior cingulate cortex (ACC), ventromedial prefrontal cortex (vmPFC), and dorsolateral prefrontal cortex (DLPFC). Binge eating behavior, depression and impulsivity was assessed by the Binge Eating Scale, Beck Depression Inventory and UPPS Impulsive Behavior Scale, respectively. Men and women were distinctively divided into two subgroups (low-VAI and high-VAI) based on the mean VAI score. Women with high-VAI were characterized by metabolic alterations, higher binge eating score and lower grey matter density in the caudal ACC compared to women with low-VAI. Men with high-VAI were characterized by a higher score for the sensation-seeking subscale of the UPPS-Impulsive Behavior Scale compared to men with low-VAI. Using a moderation-mediation analysis, we found that grey matter density in the caudal ACC mediates the association between VAI and binge eating score. In conclusion, visceral adiposity is associated with higher binge eating severity in women. Decreased grey matter density in the caudal ACC, a region involved in cognition and emotion regulation, may influence this relationship.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».